测试开发工程师（AI 平台方向）

职位描述 1. 负责 ModelGo 平台质量保障体系建设，覆盖 6 个 Go 微服务及 React 控制台的接口自动化、集成测试与发布后端到端验证。 2. LLM 专项测试：多供应商协议兼容性（同一请求在 OpenAI 协议、Bedrock、Google GenAI 等通道下行为一致）、SSE 流式响应完整性（首字延迟、断流、增量拼接）、多模态全链路（vision 理解、图像生成、音频 TTS/ASR、视频、embeddings）——现有 shell 版多模态冒烟套件需要你升级为工程化的自动化体系。 3. 计费准确性测试（重点）：token 计量对账（网关计量 vs 供应商账单）、阶梯定价规则校验、Kafka 用量事件不丢不重、金额精度断言，以及 Stripe、微信支付渠道的支付回调场景。 4. 将自动化测试接入 Jenkins 流水线，建设「部署 → 全量实例存活确认 → 端到端冒烟」的发布验证闭环。 5. 善用平台自身的可观测数据（OTel trace、结构化日志、metrics）做缺陷定位，bug 报告直接给到 trace ID 和根因分析，而非现象罗列。 6. 开发测试工具与测试平台（Go / Python 均可），把重复性验证沉淀为代码资产。 职位要求 1. 3–8 年测试相关经验，有明确的测试开发经历——能独立编写自动化框架和工具，而非只执行用例。 2. 熟练 Go 或 Python 至少一门，有接口自动化框架设计经验；熟悉 HTTP/SSE 协议，能手工构造和调试请求。 3. 能读懂分布式 trace 和微服务日志，理解测试金字塔在微服务架构下的分层落地（单测 mock、集成、契约、e2e）。 4. 理解 LLM 输出的非确定性，知道如何为非确定性系统设计断言（结构化校验、语义断言、LLM-as-judge 等思路）。 5. AI-native 工作方式（硬性要求）：能用 AI 批量生成与维护测试用例、构造多模态测试数据、辅助分析失败日志，用 AI 把自己从手工回归中解放出来去做体系建设。 6. 加分项：测过 LLM 应用、网关、计费或支付系统；有流式接口压测经验（k6 / locust / 自研）；熟悉 PostgreSQL / Redis / Kafka，能直接下钻数据层验证；了解 K8s 部署形态。